基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

基于脊波的多光谱和全色图像融合方法研究

应用了双线性插值的矩形阵列到径向阵列的变换算法,给出了一个离散脊波变换的实现方法,将其应用于多光谱图像与全色图像的融合算法中,通过清晰度、灰度方差、信息熵三个方面,将算法结果与小波变换的结果进行了对比,实验结果表明,相对于小波变换而言,脊波变换能更好地处理线和面的奇异性,而且由融合的结果来看,脊波变换得到的结果在清晰度等方面要高于小波变换。     

一种基于脊波变换的图像去噪方法

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法,它特别适合于具有直线或超平面奇异性的二维信号的描述,而且具有较高的逼近精度.利用脊波变换的方法,设计了一种基于脊波变换的改进的图像去噪算法,该算法采用指数型阈值函数,利用SureShrink自适应阈值.试验结果表明,该方法比起Wavelet全局硬、软阈值,Ridgelet全局硬、软阈值,具有明显的优越性.     

基于脊波变换的图像压缩

对于含有丰富边缘信息的图像,小波变换并不是很有效的表示方法,而脊波对线奇异性图像能够进行最优的逼近.利用脊波变换后的系数之间的相关性,结合SPIHT编码算法设计出基于脊波变换的图像压缩算法以达到压缩图像的目的.实验结果表明,该算法能获得高的压缩率,同时能保持较高的峰值信噪比和良好的重建图像视觉效果.     

基于正交有限脊波变换的图像压缩

对于纹理(线奇异性)丰富的图像,脊波可以获得比小波更加稀疏的表示。统计表明边缘表示了图像的主要信息。利用脊波对"线奇异性"图像的最优逼近的思想,设计出基于正交有限脊波变换的图像压缩算法。通过对图像的脊波系数进行量化和编码达到压缩图像的目的。实验结果表明,与基于小波的压缩算法相比,该算法能获得更高的压缩率,同时保持较高的峰值信噪比和良好的重建图像视觉效果。     

基于自适应脊波变换的边缘检测

通过分析现有的一些方法,提出了一种基于自适应脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对图像中的不同方向的边缘特征进行有效的表示和检测。实验表明,对于边缘主要表现为直线而其他位置光滑的图像,该检测方法抗噪声更强,定位更准确。     

基于改进脊波变换的抗攻击数字水印算法

针对小波变换域不是图像轮廓边缘特征最佳表示的问题,在研究小波变换的基础上,利用脊波变换比小波变换更适合表示图像轮廓边缘特征的特性,结合人类视觉系统特性和奇偶量化算法改进脊波变换算法,提出了一种基于改进脊波变换的数字水印算法.将原始图像均匀分割,对各子块执行脊波变换,再结合人类视觉系统特性选择恰当的脊波系数,利用奇偶量化算法嵌入一维水印序列,最后作脊波反变换得到含水印图像.仿真实验结果表明,算法不仅具有很好的透明性,而且在抵抗攻击时表现出较好的鲁棒性.通过与小波变换算法的性能比较,本文算法在抗加噪、滤波和剪切的攻击中鲁棒性较强.     

改进的基于脊波变换的图像去噪新算法

脊波(Ridgelet)变换能够克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法;在分析传统脊波阈值去噪法的原理和存在的优缺点的基础上,构造了一种新的阈值函数,并结合SURE阈值,提出了一种改进的基于脊波变换的图像去噪方法;并将其应用于受不同强度高斯噪声污染的图像中,实验结果表明该方法对噪声具有良好的噪声拟制作用,能较好地保留图像的细节信息,去噪性能优于常用方法。     

基于单尺度脊波变换的图像融合

图像融合在一定程度上可以理解为对多个二维函数的奇异信息进行分析、提取、综合的过程。单尺度脊波变换的函数逼近性能要优于小波变换,因此,对应于图像中的边缘及角点的单尺度脊波系数的能量要更加集中。分析了基于变换域的图像融合算法的性能与所用变换的函数逼近性能的关系,提出了一种新的基于单尺度脊波变换的图像融合算法。在多种融合规则下,将该方法与基于Laplacian塔型变换、小波变换等其他图像融合方法进行了比较,实验结果表明,基于单尺度脊波变换的融合方法具有更好的融合效果。     

离散脊波变换及其在SAR图像压缩中的应用

首先介绍了SAR图像的特点，在对离散脊波变换的正交性及其与Radon变换的关系深入研究的基础上，利用其在线性特征表示方面的优势，将离散脊波变换应用到SAR图像的压缩，提出了一种基于离散正交脊波变换的SAR图像压缩方法。实验数据表明该算法对斑点噪声污染严重的SAR雷达图像压缩较传统的小波变换更加有效。     

一种钢丝绳芯输送带早期故障检测方法

针对传统小波变换分析金属磁记忆信号奇异性时易受噪声干扰的问题,将经验模态分解(EMD)和小波变换(Wavelet)相结合,提出了一种EMD-Wavelet早期故障检测模型。将钢丝绳芯输送带的金属磁记忆信号经过经验模态分解得到本征模函数分量,利用小波变换模极大值法提取信号奇异性特征。实验结果表明,该模型抗干扰能力强,能够较好地反映信号局部特征,可有效判断钢丝绳芯输送带异常应力集中区位置,为早期故障诊断提供依据。     

基于小波的信号突变点检测算法研究

本文利用小波多分辨分析的特性将突变信号进行多尺度分解,然后通过分解后的信号来确定突变信号的突变位置。Lipschitz指数被用来定量描述函数的奇异性。当小波变换尺度越来越精细时,小波变换模极大值信号突变点的衰减速度取决于信号在突变点的Lipschitz指数。小波变换不仅可以确定突变点发生的时间,而且可以进一步判断突变的性质。     

基于小波模极大值的信号奇异性检测

小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐.文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性.实验表明,该方法能有效的、实用的.     

Contourlet与小波域鲁棒性水印算法性能比较

与小波变换不同,Contourlet变换通过各向异性基实现了图像的多尺度多方向性分解,更能捕获图像的曲线奇异性和匹配人类视觉特性。通过分解系数的视觉显著性决定水印强度,不同子带自适应地嵌入水印信号,提出了一种鲁棒性感知水印嵌入算法;该算法在小波分解和Contourlet分解的两种多分辨率框架下对常见水印攻击进行了实验测试。实验结果表明,在同等水印嵌入算法情况下,基于Contourlet和基于Wavelet变换的水印算法都能够抵抗常见攻击手段,但是Contourlet变换算法具有更高的安全性、鲁棒性和不可见性。     

阶跃型奇异点的小波检测

在检测实际系统信号问题上,阶跃型奇异点是一类重要的信号奇异点,针对检测和定位在许多实际问题上都有重要的意义。根据阶跃型奇异点的特征,证明了信号的阶跃奇异点与信号小波变换的最值有关,如果适当选择小波基函数,那么信号的阶跃奇异点将对应于信号小波变换的最值点。据此提出了一个利用小波变换最值的阶跃奇异点检测方法,并给出了小波基选择条件。最后利用上述方法对大量仿真信号及实际音频信号上的阶跃奇异点进行检测,结果表明研究有方法不仅有效可靠,而且具有计算简单,定位准确的特点。     

小波变换用于催化剂表面图象的局部特性分析

文中讨论了催化剂表面ＳＥＭ图象关于多重分形生长过程的局部奇异性分析，通过小波变换获得的局部奇异强度，比描述整体的单一分形维数和奇异谱，能提供更加准确的Ｈｏｌｄｅｒ指数绝对值和空间定位，用奇异强度直方图描述了图象上分形测度的分布，进而确定了催化剂表面活性区域的分布。     

结合边缘颜色与形状特征的图像检索方法

小波变换具有良好的局部特性与多尺度特性, 能多尺度逼近边缘, 这使得它在图像奇异性检测和特征提取方面得到了广泛的应用. 通过三次样条二进小波变换模极大值法提取图像彩色边缘, 用彩色边缘的环形颜色直方图表示颜色特征, 用小波模极大值的环形直方图表示形状特征; 最后利用上述两种直方图计算图像间的相似度, 并进行彩色图像检索. 实验结果表明该算法不仅具有较好的查准率和查全率, 而且对图像中存在的光照变化和几何变化(尺度, 平移, 旋转等)具有较强的鲁棒性.     

基于小波域影响锥的小波萎缩去噪算法

信号的奇异点和不规则结构往往携带了一些重要的信息,而小波变换是检测信号奇异点和跳变沿的一种有效的工具。为了更好地从噪声污染的信号中消除干扰和保留信号原始特征,根据奇异点影响锥的范围和小波域模极大值线传播特性,提出了一种新的算法来寻找奇异点影响锥内的小波系数,并进行去噪处理。仿真实验表明：与传统的阈值去噪方法相比,该算法实现简单并且有着更好的滤波性能。     

基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性，提出了基于模极大值小波域的去噪算法。该算法先用Adhoc算法求出信号的模极大值，再根据模极大值小波域的定义求出信号的模极大值小波域，从而得到信号的小波系数，然后逆变换得到信号。实例分析表明：该算法能有效消除噪声，与交替投影模极大值算法相比，该算法在原理上更简单，程序实现更容易，去噪速度更快，能满足在线监测的要求。